玫瑰果研究现状

玫瑰果神经元是一项重要发现，对人工智能及其与地球上主导智能的关系至少在过去 50,000 年中具有重大意义。产生其他文章的论文是专门的人类皮质 GABA 能细胞类型的转录组学和形态生理学证据，Buldog 等。等，2018 年 9 月，自然神经科学。

这种神经元类型与其 DNA 表达之间的关系正在开始。没有关于 Rosehop 区别在学习或利用所学知识期间对神经活动的影响的数据。当然，表明了沿着这些方向进行的研究，但这一发现刚刚发表。

人工智能跨学科方法的好处

那些参考此类论文的人可以看到跨学科知识的统一或至少对齐的价值，这很可能有利于人工智能的进步以及认知科学、生物信息学、商业自动化、制造和消费机器人、心理学等其他领域的进步。甚至法律、伦理和哲学。

AI Stack Exchange 中存在这种对跨学科协调理解的兴趣，这无疑有利于社区在专业和社会方面的发展。

有效方法之间的差异

在人脑中，神经元起作用。玫瑰果神经元是否是语言的先决条件，复杂模型的构建和利用，还是智人中的爱情等超然情感尚不清楚，并且在不久的将来仍将如此。然而，我们有一个长达五千年的概念证明。

我们也知道人工网络是有效的。我们在当今的商业、金融、工业、消费品和各种网络服务中使用它们。当弹出窗口询问给出的答案是否有帮助时，我们的答案将成为一组真实数据中的标签，从中提取样本用于机器学习。

尽管如此，工作的细胞是 1957 年感知器的后代，增加了梯度下降的应用，使用了一种有效的校正信号分布策略，我们称之为反向传播。1957 年对神经元功能的理解与我们现在所知道的哺乳动物脑神经元的功能特征相去甚远。Rosehip 的发现可能会扩大这一差距。

尖峰网络

尖峰网络研究更真实地模拟了神经元，神经形态研究和开发一直在将改进的模型放入 VLSI 芯片中。IBM 和 MIT 的合资企业是另一个。

将神经功能与脑功能相关联

关系智能和蛋白质或分子的数量可能不是最能说明问题的。这些更有可能是指标和功能与系统智能之间的关系。

• 已确定的直接影响智力测试结果的遗传特征（其中 22 个）——例如，催产素受体基因 OXTR rs53576、rs2254298 和 rs2228485 的多态性与智力之间的相关性是已知的——参见包含对 22 发现的参考的问题显着影响智力测试结果的基因
• 由环境因素引起的神经化学表达导致催产素、多巴胺、5-羟色胺、神经肽 Y 和大麻素水平的变化，这些与人脑中的全局和区域功能行为有关
• 信号拓扑（不同于大小和数量，也不同于通过在颅骨区域封装神经网络创建的拓扑）——现在正在识别信号拓扑。扫描技术已经发展到可以通过跟踪时间空间中的脉冲来识别信号路径并确定因果关系的程度。
• 突触可塑性，一种神经可塑性
• 应用于特定大脑功能的神经元总数
• 对轴突和细胞体热力学对信号传输的影响，这是大脑神经元建模的关键要素

这些都没有以模拟准确性得到确认的方式进行建模，但是正如这个问题所暗示的那样，清楚地表明了沿着这些方向进行研究的必要性。

看起来你真的有两个问题。我将尝试回答第一个问题，您应该考虑为第二个问题单独提出一个问题。

有研究使用生物现实神经元的模拟模型。虽然有像人脑计划这样旨在模拟人脑的大型项目，但也有很多低层次的人工智能研究。SPAWN是一个有趣的系统，几年前受到了很多媒体的关注，并且从那时起一直在不断发展。它使用逼真的神经元一次模拟多个大脑区域，创建了一个令人惊讶的通用人工智能系统，可以使用相同的基本设计执行多种类型的运动和视觉任务。

确实，当前的机器学习是基于将神经元视为整个复杂性神经元网格中的一个组成部分。重点更多地放在架构上，而不是更清楚地理解或模仿它的基本块，即神经元。

Anirban Bandhopadhyay 是一位生物学家和神经学家，他研究了和谐如何改变神经元内微管中的记忆元素和决策能力。

在这里，是他解释的片段，并试图了解计算到底是什么，以及大脑如何进行计算。

大脑如何运作？